「顧客の役に立ちたい」という思いと、事業成果を数字で説明する責任は、どちらもBtoBマーケティングに欠かせません。ただし、熱意があるから顧客を理解できるわけでも、数字があるから顧客の気持ちが分かるわけでもありません。顧客の発言、観測された行動、ビジネス上の結果は、互いに違う情報です。
本記事は「顧客への愛と数字への冷静さ」という旧稿の着想を生かしながら、インタビューとデータが食い違う場面でどう判断するかを考えます。インタビューの質問技術やKPIの定義は別の記事で扱い、ここでは異なる種類の証拠を統合するための判断に焦点を当てます。
「数字に顧客への愛が表れる」は比喩としては美しいが、計測上の事実ではない
たとえば比較ページのクリック率が上がったとき、その理由は何でしょうか。説明が分かりやすかったのか、検索結果の表示位置が変わったのか、見出しが曖昧で誤って押されたのか、数字だけでは区別できません。反対に、ひとりの顧客から「この機能が本当に助かった」と聞いても、他の顧客層に同じ価値があるとは限りません。
Nielsen Norman Groupのユーザー調査方法の整理では、人が何をするかを捉える手法と、何を言うかを捉える手法、また定性的に理由を探索する方法と、定量的に規模を測る方法が区別されています。BtoBの事業成果を直接保証する研究ではありませんが、「データには種類ごとに答えられる問いが違う」という理解には有用です。
顧客の声・行動データ・営業記録が矛盾したら
架空のクラウドサービスを想定します。導入担当者へのインタビューでは「セットアップは簡単」と評されましたが、実際の運用ログでは初期設定の途中離脱が目立ち、営業からは「設定に時間がかかると言われる」という報告もあります。ここで「インタビューは当てにならない」「ログは嘘をつかない」と決めつけないことが大切です。
同じように見える矛盾でも、調べるべき原因が異なります。
- 対象者が違う:インタビューしたのは導入を成功させた顧客だけで、ログは試用を始めた全体を含む
- 質問が違う:インタビューで聞いたのは操作画面の印象で、ログが示しているのは社内審査を含む作業の中断
- 計測の意味が違う:ログ上の離脱が、処理失敗とは限らない。必要な作業を終えた可能性もある
- 期間が違う:最新の製品改修前後や、商材の異なる顧客を混ぜて比較している
- 語られなかった条件がある:「簡単だった」は、実は担当エンジニアが相当の準備をした結果かもしれない
この段階での最も有益な成果は、結論を急ぐことではなく、矛盾を説明できる複数の仮説が手に入ることです。どの仮説が正しいかは、追加の観察や実験で確かめます。
4列の証拠メモで、主張を強くしすぎない
社内報告や施策提案には、次の4列を用意すると判断が整理しやすくなります。
- 観測した事実:対象、期間、分母、計測方法、記録された発言をそのまま整理
- 考えられる説明:一つに絞らず、少なくとも代替仮説を残す
- まだ分からないこと:対象者の偏り、原因、記録されなかった顧客行動
- 次の確認方法:再インタビュー、利用観察、CRMの理由確認、手順の比較テストなど
たとえば「比較資料の読了率が高いから顧客の理解が深まった」は、事実と推測が混ざっています。観測できたのは閲覧行動であり、理解の深さを調べたいなら、顧客が自社の導入条件を正しく説明できるか、担当者がどこで迷ったかなど、別の方法が必要です。
N=1の発見を、市場全体の答えにしない
ひとりの顧客の具体的な話は、数字に現れていない不満や使い方を発見するきっかけになります。しかし、その発言が代表的かどうかは別の問いです。成功顧客の経験を聞いただけでは、失注や導入を断念した企業の理由は見えません。
Nielsen Norman Groupが2025年に整理した混合研究法(Mixed Methods Research)は、定性と定量の方法を、同じ研究課題のために意図的に組み合わせる考え方です。「インタビューもアンケートもやったから十分」ではなく、それぞれの結果をどう統合して一つの問いに答えるかが重要です。
BtoBなら、顧客の「欲しい」という発言、実際の比較行動、決裁・稟議の経過、導入後の利用状況を分けて確認します。実務上は、まず顧客インタビューの聞き方、さらに定性データの使い方を参考に、調査で分かったことと推測を切り分けます。
数字がよくても、顧客に不利益を与える施策は見直す
もしメールの開封やクリックが増えても、顧客が望まない頻度で追いかけたり、誤解を招く表現で誘導したりしていれば、長期的な信頼を損ねる可能性があります。成果を見る際には、件数だけでなく、顧客からの苦情、配信停止、商談での誤解、CSの負荷なども確認します。
逆に、顧客に親切な施策に見えても、対応コストが非常に大きく継続できないなら、提供方法を調整する必要があります。顧客のためと称して担当者に無制限の負担を求めることも、よい運営とは言えません。
AIやMAの自動化は、顧客理解の代用品ではない
AIは議事録の分類や反対仮説の候補出しを助け、MAは合意済みの条件に沿う案内や計測を支援できます。一方、AIの要約は誤りや文脈の欠落を含むことがあり、自動配信が適切だったかは顧客の状態、同意、頻度、内容によります。AIによって人間のバイアスが必ず消える、自動化すれば温かい顧客体験になるといった旧稿の説明は採用しません。
顧客記録や商談情報を生成AIに投入するときは、利用権限、機密、個人情報、契約上の制約を確認します。要約した文章だけで結論を決めず、必要なとき元の記録に戻れる状態にします。
架空の事例:「満足している」と「解約する」が同時に起きたら
導入時の担当者がサポートに満足していても、事業部門が費用対効果を確認できなければ、継続の判断は別の理由で変わり得ます。満足度の発言と更新可否は、直接に矛盾しているわけではありません。
- 観測:担当者はサポートを高評価。ただし契約更新の見通しは不明。
- 追加で知りたいこと:契約上の決裁者、実利用者の利用状況、代替手段、評価対象期間。
- 避ける判断:「満足度が高いのに解約したから顧客は不合理だ」と断定する。
- 次の行動:役割ごとに別の情報を集め、意思決定の条件を確認する。
こうした事例では、顧客の内面を推測して物語を作るより、誰が何を評価し、どの条件で判断したかを確認する方が役立ちます。
まとめ:顧客を大切にするほど、確信を急がない
顧客への思いやりと、数字を使った判断は両立します。ただし、どちらもそれだけでは結論を保証しません。インタビューは問いを深め、データは観測された範囲を示し、営業・CSの記録は異なる接点の状況を補います。
明日からの一つの施策で、顧客の発言と計測値を並べ、どの点が一致し、どの点がまだ説明できないかを確かめましょう。結論が保留でも、次に調べるべきことが具体的になれば前進です。
参考資料・関連する実務記事
- Nielsen Norman Group(2022、2026レビュー)「When to Use Which User-Experience Research Methods」:行動/発言、定性/定量、利用場面の手法選択
- Nielsen Norman Group(2025)「Mixed-Methods Research: Combining Qualitative and Quantitative Data」:一つの問いに両手法を統合する考え方
- Google アナリティクス「イベントについて」:Web・アプリの相互作用をどう測定するか
- BtoBマーケティングの行動KPI設計:数字の役割と副作用
- BtoBで定性データをどう使うか:定性情報の扱い
- BtoBマーケティング総合ガイド
